Exponenta Banner

sdeddo

Модель Stochastic Differential Equation (SDE) от компонентов Дрейфа и Диффузии

расширьте все на странице

Описание

Создает и отображает sdeddo объекты, которые инстанцируют с объектами classdrift и diffusion. Они ограничили sdeddo объекты содержат вход drift и diffusion объекты; поэтому, можно непосредственно получить доступ к их отображенным параметрам.

Эта абстракция также обобщает понятие дрейфа и объектов уровня диффузии как функции что sdeddo оценивает для определенных значений времени t и Xt состояния. Как sde объекты, sdeddo объекты позволяют вам симулировать демонстрационные пути NVARS переменные состояния управляются NBROWNS Источники броуновского движения риска по NPERIODS последовательные периоды наблюдения, аппроксимируя стохастические процессы непрерывного времени.

Этот метод позволяет вам симулировать любой SDEDDO с векторным знаком формы:

dXt=F(t,Xt)dt+G(t,Xt)dWt(1)
где:

  • Xt является NVARS- 1 вектор состояния переменных процесса.

  • dWt является NBROWNS- 1 Вектор броуновского движения.

  • F является NVARS- 1 функция уровня дрейфа с векторным знаком.

  • G является NVARS- NBROWNS функция уровня диффузии с матричным знаком.

Создание

Синтаксис

SDEDDO = sdeddo(DriftRate,DiffusionRate)
SDEDDO = sdeddo(___,Name,Value)

Описание

пример

SDEDDO = sdeddo(DriftRate,DiffusionRate) создает SDEDDO по умолчанию объект.

пример

SDEDDO = sdeddo(___,Name,Value) создает SDEDDO объект с дополнительными опциями, заданными одним или несколькими Name,Value парные аргументы.

Name имя свойства и Value его соответствующее значение. Name должен появиться в одинарных кавычках (''). Можно задать несколько аргументов пары "имя-значение" в любом порядке как Name1,Value1,…,NameN,ValueN.

SDEDDO объект имеет следующие отображенные Свойства:

  • StartTime — Начальное время наблюдения

  • StartState — Начальное состояние во время StartTime

  • Correlation — Функция доступа для Correlation входной параметр, вызываемый как функция времени

  • Drift — Составная функция уровня дрейфа, вызываемая как функция времени и состояния

  • Diffusion — Составная функция уровня диффузии, вызываемая как функция времени и состояния

  • A — Функция доступа для свойства A уровня дрейфа, вызываемый как функция времени и состояния

  • B — Функция доступа для свойства B уровня дрейфа, вызываемый как функция времени и состояния

  • Alpha — Функция доступа для свойства Alpha уровня диффузии, вызываемый как функция времени и состояния

  • Sigma — Функция доступа для свойства Sigma уровня диффузии, вызываемый как функция времени и состояния

  • Simulation — Функция симуляции или метод

Входные параметры

развернуть все

DriftRate пользовательская функция уровня дрейфа и представляет параметр F, заданный как вектор или объект класса drift.

DriftRate функция, которая возвращает NVARS- 1 вектор уровня дрейфа, когда названо двумя входными параметрами:

  • Скалярное время наблюдения с действительным знаком t.

  • NVARS- 1 вектор состояния Xt.

В качестве альтернативы DriftRate может также быть объект класса drift это инкапсулирует спецификацию уровня дрейфа. В этом случае, однако, sde использование только Rate параметр объекта. Для получения дополнительной информации о drift возразите, смотрите drift.

Типы данных: double

DiffusionRate пользовательская функция уровня дрейфа и представляет параметр G, заданный как матрица или объект класса diffusion.

DiffusionRate функция, которая возвращает NVARS- NBROWNS матрица уровня диффузии, когда названо двумя входными параметрами:

  • Скалярное время наблюдения с действительным знаком t.

  • NVARS- 1 вектор состояния Xt.

В качестве альтернативы DiffusionRate может также быть объект класса diffusion это инкапсулирует спецификацию уровня диффузии. В этом случае, однако, sde использование только Rate параметр объекта. Для получения дополнительной информации о diffusion возразите, смотрите diffusion.

Типы данных: double

Свойства

развернуть все

Время начала первого наблюдения, к которому применяются все переменные состояния, заданные как скаляр

Типы данных: double

Начальные значения переменных состояния, заданных как скаляр, вектор-столбец или матрица.

Если StartState скаляр, sdeddo применяет то же начальное значение ко всем переменным состояния на всех испытаниях.

Если StartState вектор-столбец, sdeddo применяет уникальное начальное значение к каждой переменной состояния на всех испытаниях.

Если StartState матрица, sdeddo применяет уникальное начальное значение к каждой переменной состояния на каждом испытании.

Типы данных: double

Корреляция между Гауссовыми случайными варьируемыми величинами, чертившими, чтобы сгенерировать вектор Броуновского движения (винеровские процессы), заданный как NBROWNS- NBROWNS положительная полуопределенная матрица, или как детерминированный функциональный C(t), который принимает текущее время t и возвращает NBROWNS- NBROWNS положительная полуопределенная корреляционная матрица. Если Correlation не симметричная положительная полуопределенная матрица, используйте nearcorr создать положительную полуопределенную матрицу для корреляционной матрицы.

Correlation матрица представляет статическое условие.

Как детерминированная функция времени, Correlation позволяет вам задавать динамическую структуру корреляции.

Типы данных: double

Пользовательская функция симуляции или метод симуляции SDE, определенный функцией или метод симуляции SDE.

Типы данных: function_handle

Это свойство доступно только для чтения.

Компонент уровня дрейфа непрерывного времени стохастические дифференциальные уравнения (SDEs), заданный как дрейф, возражает или функция, доступная (t, Xt.

Спецификация уровня дрейфа поддерживает симуляцию демонстрационных путей NVARS переменные состояния управляются NBROWNS Источники броуновского движения риска по NPERIODS последовательные периоды наблюдения, аппроксимируя стохастические процессы непрерывного времени.

drift класс позволяет вам создавать объекты уровня дрейфа с помощью drift из формы:

F(t,Xt)=A(t)+B(t)Xt

где:

  • A NVARS- 1 функциональное доступное использование с векторным знаком (t, Xt) интерфейс.

  • B NVARS- NVARS функциональное доступное использование с матричным знаком (t, Xt) интерфейс.

Отображенные параметры для drift объект:

  • Rate: Функция уровня дрейфа, F(t,Xt)

  • A: Термин прерывания, A(t,Xt), F(t,Xt)

  • B: Термин первого порядка, B(t,Xt), F(t,Xt)

A и B позвольте вам запросить исходные входные параметры. Функция сохранена в Rate полностью инкапсулирует совместное воздействие A и B.

Когда задано как двойные массивы MATLAB®, входные параметры A и B ясно сопоставлены с линейным уровнем дрейфа параметрическая форма. Однако определение любого A или B когда функция позволяет вам настраивать фактически любую спецификацию уровня дрейфа.

Примечание

Можно выразить drift и diffusion классы в самой общей форме, чтобы подчеркнуть функциональное (t, Xt) интерфейс. Однако можно задать компоненты A и B как функции, которые придерживаются общего (t, Xt) интерфейс, или как массивы MATLAB соответствующей размерности.

Пример: F = drift(0, 0.1) % Drift rate function F(t,X)

Типы данных: struct | double

Это свойство доступно только для чтения.

Компонент уровня диффузии непрерывного времени стохастические дифференциальные уравнения (SDEs), заданный как дрейф, возражает или функция, доступная (t, Xt.

Спецификация уровня диффузии поддерживает симуляцию демонстрационных путей NVARS переменные состояния управляются NBROWNS Источники броуновского движения риска по NPERIODS последовательные периоды наблюдения, аппроксимируя стохастические процессы непрерывного времени.

diffusion класс позволяет вам создавать объекты уровня диффузии с помощью diffusion:

G(t,Xt)=D(t,Xtα(t))V(t)

где:

  • D NVARS- NVARS диагональная функция с матричным знаком.

  • Каждый диагональный элемент D соответствующий элемент вектора состояния, повышенного до соответствующего элемента экспоненты Alpha, который является NVARS- 1 функция с векторным знаком.

  • V NVARS- NBROWNS уровень энергозависимости с матричным знаком функционирует Sigma.

  • Alpha и Sigma также доступное использование (t, Xt) интерфейс.

Отображенные параметры для diffusion объект:

  • Rate: Функция уровня диффузии, G(t,Xt).

  • Alpha: Экспонента вектора состояния, которая определяет формат D(t,Xt) G(t,Xt).

  • Sigma: Уровень энергозависимости, V(t,Xt), G(t,Xt).

Alpha и Sigma позвольте вам запросить исходные входные параметры. (Совместное воздействие отдельного Alpha и Sigma параметры полностью инкапсулируются функцией, сохраненной в Rate.) Rate функции являются механизмами вычисления для drift и diffusion объекты, и являются единственными параметрами, требуемыми для симуляции.

Примечание

Можно выразить drift и diffusion классы в самой общей форме, чтобы подчеркнуть функциональное (t, Xt) интерфейс. Однако можно задать компоненты A и B как функции, которые придерживаются общего (t, Xt) интерфейс, или как массивы MATLAB соответствующей размерности.

Пример: G = diffusion(1, 0.3) % Diffusion rate function G(t,X)

Типы данных: struct | double

Функции объекта

interpolateБроуновская интерполяция стохастических дифференциальных уравнений
simulateСимулируйте многомерные стохастические дифференциальные уравнения (SDEs)
simByEulerЭйлерова симуляция стохастических дифференциальных уравнений (SDEs)

Примеры

свернуть все

Скрипт Open Live Script

sdeddo класс выводит из основного sde класс. Чтобы использовать этот класс, необходимо передать дрейф, и уровень диффузии возражает против sdeddo функция.

Создайте drift и diffusion объекты уровня: 

F = drift(0, 0.1);      % Drift rate function F(t,X)
G = diffusion(1, 0.3);  % Diffusion rate function G(t,X)

Передайте функции sdeddo функция, чтобы создать объект obj из класса sdeddo: 

obj = sdeddo(F, G)      % dX = F(t,X)dt + G(t,X)dW
obj = 
   Class SDEDDO: SDE from Drift and Diffusion Objects
   --------------------------------------------------
     Dimensions: State = 1, Brownian = 1
   --------------------------------------------------
      StartTime: 0
     StartState: 1
    Correlation: 1
          Drift: drift rate function F(t,X(t)) 
      Diffusion: diffusion rate function G(t,X(t)) 
     Simulation: simulation method/function simByEuler
              A: 0
              B: 0.1
          Alpha: 1
          Sigma: 0.3

В этом примере отображения объекта дополнительные параметры сопоставлены с входом drift и diffusion объекты.

Больше о

развернуть все

Алгоритмы

Когда вы задаете необходимые входные параметры как массивы, они сопоставлены с определенной параметрической формой. В отличие от этого, когда вы задаете любой необходимый входной параметр как функцию, можно настроить фактически любую спецификацию.

Доступ к выходным параметрам без входных параметров просто возвращает исходную входную спецификацию. Таким образом, когда вы вызываете эти параметры без входных параметров, они ведут себя как простые свойства и позволяют вам тестировать тип данных (удвойтесь по сравнению с функцией, или эквивалентно, статические по сравнению с динамическим) исходной входной спецификации. Это полезно для проверки и разработки методов.

Когда вы вызываете эти параметры с входными параметрами, они ведут себя как функции, производя впечатление динамического поведения. Параметры принимают время наблюдения t и вектор состояния Xt, и возвращают массив соответствующей размерности. Даже если вы первоначально задали вход как массив, sdeddo обработки это, когда статическая функция времени и состояния, этим означает гарантировать, что все параметры доступны тем же интерфейсом.

Ссылки

[1] Островок-Sahalia, Y. “Тестируя Модели Непрерывного времени Точечной Процентной ставки”. Анализ Финансовых Исследований, Spring 1996, Издания 9, № 2, стр 385–426.

[2] Островок-Sahalia, Y. “Плотность перехода для процентной ставки и другой нелинейной диффузии”. Журнал финансов, издания 54, № 4, август 1999.

[3] Глассермен, P. Методы Монте-Карло в финансовой разработке. Нью-Йорк, Springer-Verlag, 2004.

[4] Оболочка, J. C. Опции, фьючерсы и Другие Производные, 5-й редактор Englewood Cliffs, NJ: Prentice Hall, 2002.

[5] Джонсон, N. L. С. Коц и Н. Бэлэкришнэн. Непрерывные Одномерные распределения. Издание 2, 2-й редактор Нью-Йорк, John Wiley & Sons, 1995.

[6] Shreve, S. E. Стохастическое исчисление для финансов II: модели непрерывного времени. Нью-Йорк: Springer-Verlag, 2004.

Смотрите также

| | | | | |

Темы

Введенный в R2008a

Документация Financial Toolbox
Поддержка